L'Ottimizzazione si occupa dello studio e della progettazione di algoritmi in grado di determinare massimi o minimi di funzioni che rappresentino l'obiettivo di modelli matematici. Il Machine Learning, o apprendimento automatico, consiste nell'individuazione e nella messa a punto di tecniche per apprendere dai dati informazioni tali da effettuare automaticamente predizioni su nuovi dati. Nello studio di molti problemi pratici questi due aspetti sono entrambe necessari, si complementano a vicenda, e possono anche sfumare l'uno nell'altro a seconda che il punto di vista sia più imperniato su modelli matematici o direttamente basato sui dati. Inoltre, molte tecniche di Machine Learning richiedono nel corso dei loro passi la risoluzione di problemi di ottimo, mentre alcuni algoritmi di ottimizzazione possono beneficiare di informazioni scoperte tramite tecniche di apprendimento automatico.
Lo scopo della ricerca proposta è di affrontare mediante gli strumenti descritti sopra una serie di problemi di decisione molto importanti dal punto di vista applicativo. Tali problemi possono emergere in contesti anche notevolmente diversi tra loro ma risultano accomunati dal fatto di essere computazionalmente onerosi e dalla necessità di estrarre le informazioni di interesse da grandi quantità di dati. Si tratta di problemi con grande importanza applicativa che vengono tipicamente associati al livello di pianificazione strategico. Verranno in particolare affrontati: Problemi di Selezione di Investimenti, Problemi di Classificazione di Testi o di Dati Biomedici, Problemi di Ricostruzione Ottima di Informazione Corrotta, Problemi di Determinazione di Parametri in leggi di Controllo. Il lavoro pertanto prevede lo svolgimento di differenti attività, di carattere anche interdisciplinare, ma concettualmente accomunate.
